新上线今天0 投票
一次实验失误，或能颠覆计算方式
当前 AI 系统依赖 GPU 等传统硬件，能耗惊人——单个 GPU 功耗可达 1000 瓦，而人脑在处理同类任务时能效高出约百万倍。为了突破这一瓶颈，类脑计算（neuromorphic engineering）应运而生，旨在构建模仿神经元与突触的电子器件。然而，无论是新型实验器件还是 CMOS 晶体管模拟方案，都面临可靠性或集成度不足的问题。近日，研究人员在一次意外的实验室失误中，发现了一种简单高效的神经形态器件，它能像脑细胞一样工作，且制造工艺与传统半导体兼容。这一发现可能为低功耗、高性能计算打开新的大门。
意外发现：从失误到突破
在尝试制造新型忆阻器时，研究团队因操作失误导致材料层结构异常。但测试结果令人震惊：这种“错误”的器件展现出了类似生物神经元的积分-点火特性，且能耗极低。与需要数十个晶体管才能模拟一个神经元不同，这个单器件就能实现关键功能，功耗仅为微瓦级别。
类脑计算的核心挑战
传统神经形态方案面临两难：新型材料（如相变存储器、铁电晶体管）虽能模仿突触可塑性，但稳定性差、难以大规模集成；而 CMOS 模拟方案虽工艺成熟，但模拟一个神经元需 20-100 个晶体管，导致芯片面积大、功耗高。
新器件的优势
该意外发现的器件采用标准硅基工艺，结构简单，可直接与现有 CMOS 电路集成。它不仅能模拟神经元的时空整合功能，还能实现突触权重更新，这意味着一个器件即可完成传统方案中多个元件的工作。初步测试显示，其能效比传统 GPU 提升 三个数量级。
前景与局限
尽管成果令人兴奋，但该器件目前仅在实验室环境中验证，距离实用化仍有距离。团队需要解决器件一致性、长期可靠性以及大规模互联等问题。不过，这一“美丽的错误”已经为类脑计算提供了极具潜力的新方向——用最简单的结构，逼近生物大脑的效能。